AA.VV
AUTORES PRÓLOGO PREFACIO CAPÍTULO 1. INTRODUCCIÓN 1.1 LA CIBERSEGURIDAD EN LA ACTUALIDAD 1.2 LA CIENCIA DE DATOS 1.2.1 Fundamentos de la Ciencia de Datos 1.2.2 Perfiles en un equipo de Ciencia de Datos 1.2.3 Características de una compañía basada en los datos 1.2.4 Ciclo de vida de un proyecto de Ciencia de Datos 1.3 LA CIENCIA DE DATOS EN EL DOMINIO DE LA CIBERSEGURIDAD 1.4 CASOS DE ESTUDIO CAPÍTULO 2. COMPRENDER EL PROBLEMA 2.1 REDES Y TELECOMUNICACIONES 2.1.1 Sistemas de comunicación 2.1.2 Arquitectura de red 2.1.3 Modelado de red 2.1.4 Protocolos de red 2.1.5 Tipos de redes 2.2 EL DOMINIO DE LA CIBERSEGURIDAD 2.2.1 Definición y objetivos principales 2.2.2 Tipos de riesgos, amenazas y vulnerabilidades 2.2.3 Técnicas de protección 2.3 TAREAS TÍPICAS DE CIENCIA DE DATOS EN CIBERSEGURIDAD CAPÍTULO 3. LOS DATOS 3.1 TIPOS DE DATOS 3.1.1 Datos Estructurados frente a Datos No Estructurados 3.1.2 Datos Estáticos vs Datos Dinámicos 3.2 OBTENCIÓN DE LOS DATOS 3.3 MANTENIMIENTO DE LOS DATOS 3.3.1 Tipos de base de datos 3.3.2 Infraestructuras 3.4 CALIDAD DE LOS DATOS 3.5 ÉTICA, PRIVACIDAD Y SEGURIDAD EN LOS DATOS CAPÍTULO 4. TÉCNICAS Y MÉTODOS DE PREPARACIÓN DE LOS DATOS 4.1 INFERENCIA ESTADÍSTICA 4.1.1 Estimadores 4.1.2 Intervalos de Confianza 4.1.3 Contraste de hipótesis 4.2 ANÁLISIS EXPLORATORIO DE DATOS 4.2.1 Métodos numéricos 4.2.2 Métodos gráficos 4.3 IMPUTACIÓN DE VALORES FALTANTES 4.4 EXTRACCIÓN DE CARACTERÍSTICAS CAPÍTULO 5. TÉCNICAS Y MÉTODOS DE APRENDIZAJE MÁQUINA 5.1 PARTICIONES DE LOS DATOS 5.2 MEDIDAS DE SIMILITUD 5.3 MODELOS DE APRENDIZAJE NO SUPERVISADO 5.4 MODELOS DE APRENDIZAJE SUPERVISADO 5.4.1 Modelos Lineales Generalizados 5.4.2 Vecinos más cercanos 5.4.3 Árboles de Decisión 5.4.4 Bosques Aleatorios 5.4.5 Máquinas de Vectores Soporte 5.4.6 Naïve Bayes 5.4.7 Redes Neuronales 5.5 PROBLEMAS SINGULARES 5.5.1 Insuficiente cantidad de información 5.5.2 Datos desequilibrados CAPÍTULO 6. EVALUACIÓN 6.1 MÉTRICAS DE EVALUACIÓN 6.2 EVALUACIÓN EN LAS PARTICIONES DE LOS DATOS 6.3 AJUSTE DE PARÁMETROS 6.4 COMPARACIÓN DE MODELOS CAPÍTULO 7. EXPLICACIÓN 7.1 TÉCNICAS DE VISUALIZACIÓN Y PRESENTACIÓN DE RESULTADOS 7.1.1 Proceso de creación de una visualización 7.1.2 Elementos 7.2 APRENDIZAJE MÁQUINA EXPLICABLE CAPÍTULO 8. DESPLIEGUE DEL SOFTWARE DE CIENCIA DE DATOS 8.1 DESARROLLO DEL PROYECTO 8.2 EVALUACIÓN DEL PRODUCTO 8.3 PUESTA EN PRODUCCIÓN 8.4 ACTUALIZACIÓN DEL MODELO 8.5 CASO DE USO CAPÍTULO 9. CASOS DE ESTUDIO 9.1 ANÁLISIS MALWARE 9.2 DINÁMICAS DE COMPORTAMIENTO 9.3 DETECCIÓN DE FRAUDE 9.4 DETECCIÓN DE NOTICIAS FALSAS CAPÍTULO 10. RETOS EMERGENTES DE CIBERSEGURIDAD 10.1 ATAQUES A INFRAESTRUCTURAS CRÍTICAS 10.2 PRIVACIDAD 10.3 DESINFORMACIÓN 10.4 SEGURIDAD IOT- COCHE AUTÓNOMO 10.5 ATAQUES A MODELOS DE APRENDIZAJE MÁQUINA BIBLIOGRAFÍA GLOSARIO DE TÉRMINOS
El propósito de este libro es presentar la Ciencia de Datos como herramienta para comprender, prevenir, detectar y remediar las amenazas en el dominio de la Ciberseguridad.
Este libro está dirigido a los profesionales, estudiantes, ingenieros, matemáticos y todos aquellos interesados en como abordar el reto de comprender la Ciencia de Datos en el entorno de la Ciberseguridad.
El libro se estructura en diez capítulos donde se describen y desarrollan, de forma amena, didáctica y a través de ejemplos, los siguientes temas:
- Conceptos fundamentales de la Ciencia de Datos como campo interdisciplinar en la intersección de las matemáticas y estadística, las ciencias de la computación y el aqmbito de aplicación.
- Ciclo de vida de un proyecto de Ciencia de Datos, recorriendo sus etapas en el dominio de la Ciberseguridad.
* Objetivos
* Preparación de datos
* Modelización
* Evaluación
* Visualización
* Despliegue
* Casos de estudio tales como la detección de fraude, análisis malware, dinámicas de comportamiento, y detección de noticias falsas.
- Retos emergentes de Ciberseguridad que pueden ser abordados desde la perspectiva de la Ciencia de Datos.
